Audience Engine, BI Studio, Brand Safety Monitor, Retail Intelligence y Partner Evaluator. La caja negra de programática hecha transparente para el cliente.
El reto singular de Programática: Es el departamento técnicamente más complejo del holding y el que más fácilmente el cliente percibe como una "caja negra". La tecnología propia aquí tiene un doble objetivo: hacer más eficiente la operativa interna de los traders, y sobre todo hacer la caja negra transparente para el cliente. El mayor argumento de diferenciación no es el acceso a mejores DSPs — es la capacidad de explicar con datos qué está pasando y por qué.
1. Audience Engine
Audiencias first-party activadas en cualquier DSP
Capa de gestión de audiencias propia que conecta datos first-party del cliente con los DSPs activos. Construye, refina y activa segmentos sin depender de las audiencias genéricas del marketplace.
2. BI Studio
La caja negra de programática hecha visible al cliente
Dashboard propietario de Business Intelligence programático que transforma los datos brutos de los DSPs en métricas de negocio comprensibles: viewability, brand safety, incrementalidad, frecuencia óptima, y coste real por outcome de negocio.
3. Brand Safety Monitor
El inventario donde aparece la marca, bajo control propio
Sistema de monitorización continua de los emplazamientos donde aparecen los anuncios del cliente. Detecta en tiempo real apariciones en contenido inapropiado o entornos de brand risk, y genera alertas inmediatas al trader.
4. Retail Intelligence
Amazon DSP y retail media con datos de negocio propios
Capa de análisis e inteligencia sobre campañas de retail media (Amazon DSP, Criteo, CitrusAd) que cruza datos de campaña con datos de sell-out del cliente. El trader y el cliente ven el impacto real de la inversión en ventas incrementales.
5. Partner Evaluator
Selección de DSPs y ad-tech con criterio de datos propios
Base de datos interna de evaluación de partners tecnológicos (DSPs, SSPs, DMPs, ad-verification) basada en la experiencia acumulada de .imagine. El cliente recibe una recomendación fundamentada en datos reales, no en acuerdos comerciales.
Q1 — Visibilidad
Brand Safety Monitor + BI Studio
Transparencia inmediata hacia el cliente. Convierte la caja negra en dashboards comprensibles.
Q2 — Diferenciación
Partner Evaluator
Refuerza PRO-007 como consultoría de alto margen. Argumento de independencia tecnológica.
Q3 — Datos
Audience Engine
Activa first-party data del cliente en cualquier DSP. Cruce estratégico con el CDP de Growth.
Q4 — Nicho
Retail Intelligence
Posiciona a .imagine en el segmento de retail media de mayor crecimiento en España 2025-26.
Audience Engine
El activo de datos del cliente activado en programática sin intermediarios
El problema real: En programática cookieless, las audiencias de terceros que antes se compraban en cualquier DMP están muriendo. Los clientes que tienen datos first-party (CRM, ecommerce, web) necesitan activarlos en los DSPs, pero el proceso es técnicamente complejo y normalmente implica ceder esos datos a las plataformas. Audience Engine gestiona ese proceso con infraestructura propia.
Plataforma de gestión de audiencias first-party que ingiere datos del CRM, ecommerce y web analytics del cliente, construye segmentos propios y los activa mediante hashed IDs o clean rooms hacia los DSPs contratados. El equipo de programática gestiona qué segmentos están activos en cada campaña sin depender de las audiencias estándar del marketplace.
Audiencias de CRM
Contactos del cliente segmentados por comportamiento de compra, LTV, frecuencia y antigüedad. Activados por hashed email.
Audiencias contextuales propias
Visitantes web segmentados por páginas visitadas, profundidad de scroll y señales de intención. Sin cookies de terceros.
Look-alike de calidad
Expansión de audiencia basada en los perfiles de mayor valor del cliente. Más precisos que los look-alikes genéricos de los DSPs.
Stack técnico
Fases de desarrollo
Fase 1 · 4 sem
Ingesta de CRM + web. Segmentos básicos por comportamiento. Activación en Google y Meta vía Customer Match.
Fase 2 · 3 sem
Integración The Trade Desk. Look-alike builder propio. Dashboard de estado de audiencias activas.
Fase 3 · ongoing
Detección de fatiga. Sugerencias de nuevos segmentos con IA. Medición de incrementalidad por audiencia.
BI Studio
Programática explicada en métricas de negocio, no en métricas de plataforma
El problema real: Los informes estándar de los DSPs (impresiones, CPM, viewability) son métricas de plataforma que el cliente no sabe interpretar en términos de negocio. "Hemos conseguido un CPM de 2,30€ con un 78% de viewability" no le dice nada a un CMO. "Tu inversión programática generó 1.240 visitas incrementales a tienda y 87 ventas atribuibles" sí le dice algo.
Dashboard propietario que agrega datos de múltiples DSPs en un modelo unificado y los cruza con datos de negocio del cliente. Calcula métricas que los DSPs no ofrecen de forma neutral: incrementalidad real de la campaña, frecuencia óptima por segmento de audiencia, reach neto deduplicado entre DSPs, y coste real por outcome de negocio.
Incrementalidad real
Ventas o conversiones que no habrían ocurrido sin la campaña programática. Medido con grupos de control estadísticos.
Reach neto cross-DSP
Usuarios únicos realmente alcanzados deduplicando solapamientos entre plataformas. Sin la inflación de los informes individuales.
Frecuencia óptima
Número de impresiones a partir del cual el ROI de la impresión siguiente es negativo. Por segmento y por creatividad.
Stack técnico
Fases de desarrollo
Fase 1 · 3 sem
Ingesta multi-DSP. Dashboard unificado de KPIs. Narrative ejecutiva semanal autogenerada con Claude.
Fase 2 · 2 sem
Cálculo de reach neto deduplicado. Frecuencia óptima por segmento. Benchmarks por sector.
Fase 3 · ongoing
Modelo de incrementalidad con grupos de control. Conexión con datos de negocio del cliente.
Brand Safety Monitor
El trader sabe dónde aparece la marca antes de que el cliente lo vea en Twitter
El problema real: En programática, los anuncios del cliente aparecen en miles de emplazamientos al día de forma automática. Sin vigilancia activa, es cuestión de tiempo que un anuncio aparezca junto a contenido inapropiado — y el cliente lo descubra antes que el trader. Eso destruye confianza de forma irrecuperable.
Sistema de monitorización continua que registra una muestra representativa de los emplazamientos donde aparecen los anuncios del cliente y aplica tres capas de análisis: clasificación del contenido de la página, detección de dominios en listas negras propias y de terceros, y alertas inmediatas cuando se detecta un emplazamiento de brand risk. Genera una blocklist dinámica que se actualiza automáticamente.
Blocklist dinámica propia
Acumulada con cada campaña gestionada por .imagine. Con el tiempo, la blocklist de .imagine es más precisa que las genéricas de IAS o DoubleVerify porque está calibrada con los clientes y sectores específicos del holding.
Informe de brand safety mensual
Reporte proactivo al cliente: qué porcentaje de la inversión fue en entornos brand-safe, qué emplazamientos se bloquearon y por qué. Transparencia total que genera confianza.
Stack técnico
Fases de desarrollo
Fase 1 · 2 sem
Integración con listas IAS/DoubleVerify. Blocklist centralizada aplicable a todos los DSPs. Alertas por Slack.
Fase 2 · 2 sem
Sampling de emplazamientos con clasificación por Claude Vision. Detección de contenido inapropiado en tiempo real.
Fase 3 · ongoing
Blocklist dinámica propia acumulada. Informe mensual de brand safety autogenerado.
Retail Intelligence
Amazon DSP y retail media conectados con el sell-out real del cliente
El problema real: Amazon DSP y retail media (Criteo, CitrusAd, Carrefour Links) son ecosistemas opacos con sus propias métricas que no hablan entre sí ni con los datos de ventas del fabricante o retailer. El cliente no puede responder "¿cuánto vendí de más gracias a mi inversión en Amazon DSP este mes?"
Plataforma de análisis de retail media que integra los reportes de Amazon DSP, Criteo y otras plataformas con los datos de sell-out del cliente. Calcula la incrementalidad de ventas atribuible a la inversión en retail media, identifica qué SKUs se benefician más, y genera recomendaciones de asignación de presupuesto por plataforma y tipo de producto.
Incrementalidad por SKU
¿Qué productos venden más gracias a la inversión? ¿En qué proporción la inversión genera ventas que no habrían ocurrido orgánicamente?
Share of voice en retail
Posición del cliente frente a competidores en los resultados patrocinados de Amazon y otros marketplaces.
ROI por plataforma
Comparativa de coste por venta incremental entre Amazon DSP, Criteo y otras plataformas para optimizar la asignación de presupuesto.
Stack técnico
Fases de desarrollo
Fase 1 · 4 sem
Ingesta Amazon DSP + Amazon Selling Partner API. Dashboard de campaña vs ventas. Primeros cálculos de incrementalidad.
Fase 2 · 3 sem
Integración Criteo. Share of voice tracker. Optimizador de asignación de presupuesto por plataforma.
Fase 3 · ongoing
Análisis por SKU y categoría. Predicción de ventas según nivel de inversión. Benchmarks por sector.
Partner Evaluator
La recomendación tecnológica de .imagine basada en experiencia real acumulada, no en acuerdos comerciales
El problema real: Cuando un cliente pregunta "¿debería contratar The Trade Desk o DV360 para mis campañas?" la respuesta de la mayoría de agencias depende de con quién tengan acuerdos de certificación o revenue share. .imagine puede responder esa pregunta con datos reales de rendimiento acumulados de sus propias campañas.
Base de conocimiento interna estructurada donde cada campaña programática gestionada alimenta evaluaciones objetivas de las plataformas usadas: rendimiento real por sector, fortalezas y debilidades detectadas en uso real, coste de integración, y casos de uso donde cada plataforma rinde mejor.
Rendimiento por sector
CPM, viewability, CTR y CPA medios por plataforma en cada vertical (retail, FMCG, finanzas, turismo, etc.).
Experiencia de uso real
Valoración interna del equipo: calidad del soporte, estabilidad de la plataforma, capacidades de targeting, facilidad de integración.
Fit por caso de uso
Qué plataforma rinde mejor para cada combinación: branding vs performance, mass reach vs precision, vídeo vs display vs CTV.
Stack técnico
Fases de desarrollo
Fase 1 · 2 sem
Formulario interno de evaluación post-campaña. Base de datos de plataformas con primeras valoraciones del equipo.
Fase 2 · 2 sem
Dashboard de consulta interno. Generación de informe de recomendación con Claude según perfil del cliente.
Fase 3 · ongoing
Alimentación automática con métricas de campañas. Scoring actualizado por plataforma. Plantilla de informe cliente.
